一种数据资产价值评估方法与流程

1.本发明涉及数据价值评估，具体涉及一种数据资产价值评估方法。


背景技术：

2.在数字信息飞速发展的今天，数据对企业的影响日益增强，越来越多的企业需要“用数据说话”。对企业来说，无形资产占有的比重越来越大，除了无形资产中涵盖专利、软件著作权、商标在内的知识产权，数据资产的重要性也不容小觑，数据资产的价值有时将直接决定企业的价值。
3.数据资产作为企业无形资产的组成部分，员工所创造的数据资产的价值在一定程度上能够衡量员工的工作绩效，为了确定数据资产的价值，就需要对数据资产进行价值评估。当前的数据资产价值评估方法受到过多人为因素的影响，导致评估结果不够客观、准确，进而造成在通过数据资产价值来衡量员工的工作绩效，以及企业价值时，不能客观、准确地反映真实结果。


技术实现要素：

4.(一)解决的技术问题
5.针对现有技术所存在的上述缺点，本发明提供了一种数据资产价值评估方法，能够有效克服现有技术所存在的不能客观、准确地对数据资产进行价值评估的缺陷。
6.(二)技术方案
7.为实现以上目的，本发明通过以下技术方案予以实现：
8.一种数据资产价值评估方法，包括以下步骤：
9.s1、获取待评估数据，基于评估因子对待评估数据进行预处理得到本体数据；
10.s2、利用训练集对数据资产价值评估模型进行模型训练，并根据训练集的数据类型构建价值评估模型库；
11.s3、从价值评估模型库中选取与本体数据适配的数据资产价值评估模型，并对本体数据进行价值评估，得到待评估数据的本体价值；
12.s4、对待评估数据进行关联性分析得到关联数据，分别获取待评估数据、关联数据的被应用信息；
13.s5、根据待评估数据、关联数据的被应用信息，得到待评估数据的外延价值；
14.s6、基于待评估数据的本体价值、外延价值，确定待评估数据的数据资产价值。
15.优选地，所述评估因子的获取方法，包括：
16.从价值评估模型库中选取与待评估数据适配的数据资产价值评估模型，并获取与待评估数据的数据类型相同的数据集；
17.将数据集分为互不相交的数据子集，随机选取一个数据子集作为测试集，其余数据子集作为训练集；
18.利用训练集对数据资产价值评估模型进行模型训练，并基于测试集得到相应误
差；
19.重复进行上述过程，直至所有数据子集均作为测试集，将各误差的平均计算结果作为待评估数据对应的评估因子。
20.优选地，s2中利用训练集对数据资产价值评估模型进行模型训练，包括：
21.对训练集进行数据分析，根据数据类型将训练集分为互不相交的训练子集，对训练子集进行数据清洗后输入对应数据资产价值评估模型进行模型训练；
22.对各数据资产价值评估模型分别求出隐藏层权重和输出层权重，并基于隐藏层权重和输出层权重计算误差；
23.重复进行上述过程，直至误差趋于收敛，完成各数据资产价值评估模型的模型训练。
24.优选地，所述对各数据资产价值评估模型分别求出隐藏层权重和输出层权重，包括：
25.采用下式计算各数据资产价值评估模型的隐藏层权重：
26.wh＝i1×
w1+i2×
w1+i3×
w1；
27.采用下式计算各数据资产价值评估模型的输出层权重：
28.wo＝h1×
w2+h2×
w2+h3×
w2；
29.其中，i1、i2、i3分别为输入层神经元的输入值，h1、h2、h3分别为隐藏层神经元的输入值，w1、w2为权重系数。
30.优选地，所述基于隐藏层权重和输出层权重计算误差，包括：
31.采用下式计算各数据资产价值评估模型的误差：
[0032][0033]
优选地，s4中对待评估数据进行关联性分析得到关联数据，包括：
[0034]
获取用于表征目标节点与子节点之间关联性的有向图，获取与子节点对应的数据作为关联数据，其中目标节点与待评估数据对应。
[0035]
优选地，所述获取用于表征目标节点与子节点之间关联性的有向图，包括：
[0036]
获取用于表征目标节点、中间节点与子节点之间关联性的中间有向图，从中间有向图中去除中间节点，并对子节点进行处理后得到有向图。
[0037]
优选地，所述对子节点进行处理后得到有向图，包括：
[0038]
检测中间有向图中的强连通分量，将强连通分量对应的环替换为新节点，并对相应连接关系进行调整，以得到有向图，其中强连通分量与至少两个子节点组成的环对应。
[0039]
优选地，s5中根据待评估数据、关联数据的被应用信息，得到待评估数据的外延价值，包括：
[0040]
获取待评估数据，以及与待评估数据具有直接关联关系、间接关联关系的关联数据的被调用次数，根据待评估数据、关联数据的被调用次数，确定待评估数据的调用热度。
[0041]
优选地，s5中根据待评估数据、关联数据的被应用信息，得到待评估数据的外延价值，包括：
[0042]
获取依赖待评估数据，以及与待评估数据具有直接关联关系、间接关联关系的关联数据的服务数量及对应的服务价值，根据依赖待评估数据、关联数据的服务数量及对应
的服务价值，确定待评估数据的应用价值。
[0043]
(三)有益效果
[0044]
与现有技术相比，本发明所提供的一种数据资产价值评估方法，具有以下有益效果：
[0045]
1)获取待评估数据，基于评估因子对待评估数据进行预处理得到本体数据，利用训练集对数据资产价值评估模型进行模型训练，并根据训练集的数据类型构建价值评估模型库，从价值评估模型库中选取与本体数据适配的数据资产价值评估模型，并对本体数据进行价值评估，从而能够利用数据资产价值评估模型对待评估数据的本体价值进行准确地价值评估；
[0046]
2)对待评估数据进行关联性分析得到关联数据，分别获取待评估数据、关联数据的被应用信息，根据待评估数据、关联数据的被应用信息，得到待评估数据的外延价值，从而能够利用待评估数据、关联数据的被应用信息对待评估数据的外延价值进行准确地价值评估；
[0047]
3)基于待评估数据的本体价值、外延价值，实现对数据资产进行客观、准确地价值评估。
附图说明
[0048]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0049]
图1为本发明的流程示意图；
[0050]
图2为本发明中对待评估数据的本体价值进行价值评估的流程示意图。
具体实施方式
[0051]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0052]
一种数据资产价值评估方法，如图1和图2所示，
①
获取待评估数据，基于评估因子对待评估数据进行预处理得到本体数据。
[0053]
其中，评估因子的获取方法，包括：
[0054]
从价值评估模型库中选取与待评估数据适配的数据资产价值评估模型，并获取与待评估数据的数据类型相同的数据集；
[0055]
将数据集分为互不相交的数据子集，随机选取一个数据子集作为测试集，其余数据子集作为训练集；
[0056]
利用训练集对数据资产价值评估模型进行模型训练，并基于测试集得到相应误差；
[0057]
重复进行上述过程，直至所有数据子集均作为测试集，将各误差的平均计算结果
作为待评估数据对应的评估因子。
[0058]
②
利用训练集对数据资产价值评估模型进行模型训练，并根据训练集的数据类型构建价值评估模型库。
[0059]
其中，利用训练集对数据资产价值评估模型进行模型训练，包括：
[0060]
对训练集进行数据分析，根据数据类型将训练集分为互不相交的训练子集，对训练子集进行数据清洗后输入对应数据资产价值评估模型进行模型训练；
[0061]
对各数据资产价值评估模型分别求出隐藏层权重和输出层权重，并基于隐藏层权重和输出层权重计算误差；
[0062]
重复进行上述过程，直至误差趋于收敛，完成各数据资产价值评估模型的模型训练。
[0063]
a、对各数据资产价值评估模型分别求出隐藏层权重和输出层权重，包括：
[0064]
采用下式计算各数据资产价值评估模型的隐藏层权重：
[0065]
wh＝i1×
w1+i2×
w1+i3×
w1；
[0066]
采用下式计算各数据资产价值评估模型的输出层权重：
[0067]
wo＝h1×
w2+h2×
w2+h3×
w2；
[0068]
其中，i1、i2、i3分别为输入层神经元的输入值，h1、h2、h3分别为隐藏层神经元的输入值，w1、w2为权重系数。
[0069]
b、基于隐藏层权重和输出层权重计算误差，包括：
[0070]
采用下式计算各数据资产价值评估模型的误差：
[0071][0072]
③
从价值评估模型库中选取与本体数据适配的数据资产价值评估模型，并对本体数据进行价值评估，得到待评估数据的本体价值。
[0073]
上述技术方案，获取待评估数据，基于评估因子对待评估数据进行预处理得到本体数据，利用训练集对数据资产价值评估模型进行模型训练，并根据训练集的数据类型构建价值评估模型库，从价值评估模型库中选取与本体数据适配的数据资产价值评估模型，并对本体数据进行价值评估，从而能够利用数据资产价值评估模型对待评估数据的本体价值进行准确地价值评估。
[0074]
如图1所示，
④
对待评估数据进行关联性分析得到关联数据，分别获取待评估数据、关联数据的被应用信息。
[0075]
其中，对待评估数据进行关联性分析得到关联数据，包括：
[0076]
获取用于表征目标节点与子节点之间关联性的有向图，获取与子节点对应的数据作为关联数据，其中目标节点与待评估数据对应。
[0077]
a、获取用于表征目标节点与子节点之间关联性的有向图，包括：
[0078]
获取用于表征目标节点、中间节点与子节点之间关联性的中间有向图，从中间有向图中去除中间节点，并对子节点进行处理后得到有向图。
[0079]
b、对子节点进行处理后得到有向图，包括：
[0080]
检测中间有向图中的强连通分量，将强连通分量对应的环替换为新节点，并对相应连接关系进行调整，以得到有向图，其中强连通分量与至少两个子节点组成的环对应。
[0081]
⑤
根据待评估数据、关联数据的被应用信息，得到待评估数据的外延价值(通过待评估数据的调用热度、应用价值两方面进行衡量)，具体包括：
[0082]
获取待评估数据，以及与待评估数据具有直接关联关系、间接关联关系的关联数据的被调用次数，根据待评估数据、关联数据的被调用次数，确定待评估数据的调用热度；
[0083]
获取依赖待评估数据，以及与待评估数据具有直接关联关系、间接关联关系的关联数据的服务数量及对应的服务价值，根据依赖待评估数据、关联数据的服务数量及对应的服务价值，确定待评估数据的应用价值。
[0084]
上述技术方案，对待评估数据进行关联性分析得到关联数据，分别获取待评估数据、关联数据的被应用信息，根据待评估数据、关联数据的被应用信息，得到待评估数据的外延价值，从而能够利用待评估数据、关联数据的被应用信息对待评估数据的外延价值进行准确地价值评估。
[0085]
⑥
基于待评估数据的本体价值、外延价值，确定待评估数据的数据资产价值。
[0086]
本技术技术方案中，利用数据资产价值评估模型对待评估数据的本体价值进行准确地价值评估；利用待评估数据、关联数据的被应用信息对待评估数据的外延价值进行准确地价值评估。最终，基于待评估数据的本体价值、外延价值，实现对数据资产进行客观、准确地价值评估。
[0087]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。